Survivor kazananını tahmin eden makine öğrenmesi modeli geliştirildi

Veri analitiği alanında çalışan bir araştırmacı, popüler yarışma programı Survivor için yarışmacıların elenme ve şampiyonluk ihtimallerini bölüm bazında hesaplayan iki makine öğrenmesi modeli geliştirdi. Açık kaynaklı "survivoR" veri tabanındaki oylama geçmişleri, avantajlar, bireysel dokunulmazlıklar ve röportaj süreleri gibi değişkenleri kullanan çalışma, yarışmanın 50 sezonluk geçmişinden yararlandı. Test edilen karmaşık algoritmalara kıyasla lojistik regresyon yöntemi, sınırlı veri kümesinde aşırı öğrenmeyi önleyerek en başarılı sonucu verdi.

Araştırma kapsamında elenme ve kazanma dinamiklerinin farklı değişkenlere dayandığı tespit edildi. Konseyde oy alma sıklığı, kurguda ayrılan ekran süresi ve yaş faktörü şampiyonluk modelinde belirleyici olurken, elenme modelinde son üç bölümdeki aleyhte oylar ile sahip olunan avantaj sayısı öne çıktı. Rastgele bir tercihin yaklaşık yüzde 10 isabet sağladığı ortamda, modelin bir numaralı adayı 521 bölüm tahmininde yüzde 22,5 oranında doğru çıktı ve rastlantısal tabana kıyasla iki kat yüksek doğruluk yakaladı.

Modelin ürettiği metrikler geçmiş sezonlardaki baskın şampiyonlukları ve beklenmedik mağlubiyetleri de başarıyla sıraladı. Boston Rob'un 22. sezondaki performansı en baskın galibiyet olarak kayda geçerken, Russell Hantz'ın 19. sezondaki kaybı en büyük sürprizler listesinin zirvesine yerleşti. Geliştirici, kurgusal ekran süresinin yarışma stratejisini değil kurgucuların hikaye anlatımını yansıttığını ve sosyal kimyanın matematiksel olarak modellenmesindeki zorlukların sürdüğünü kaydetti.